量化投資范文
時間：2023-04-10 16:05:54
導語：如何才能寫好一篇量化投資，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公文云整理的十篇范文，供你借鑒。
篇1
1987年在美國南卡羅萊納大學獲得國際商業碩士學位，曾出狂臺灣獲多利詹金盤投資頎問公司(wardleyJamescapel)總經理。1995年。歷任加拿大倫敦人壽保險公司(LLIM)權益證券按資副總裁、常務董事等職務。2003年擔任荷蘭銀證券投資信托公司(ABNAMRO)首席投資總監。2006年11月，擔任光大保德信基金公司副總經理兼審席投資總監。
一份，“一了夙愿”的情懷，一次機緣巧合的引薦，讓袁宏隆開始了他在中國大陸的投資之旅，2006年11月，袁宏隆以副總經理兼首席投資總監的身份加盟光大保德信基金管理有限公司。在此之前，袁宏隆花了二十年時間，在中國臺灣和北美不斷積累著他的投資經驗。而這也使得他成為中國大陸基金業中，全球投資經驗最豐富的首席投資總監之一。
對于光大保德信的投研團隊而言，袁宏隆的“空降”帶來的最大變化，可以濃縮成兩個字：量化。這既包括注重量化流轉的投研程序，也包括強調量化考察的績效考核。著力打造量化投研體系，是袁宏隆在光大保德信的得意之作，其效益則體現在三年來的業績斐然，尤其是剛剛過去的2009年：根據銀河證券基金研究中心的報告，在124只成立滿一年的可比基金中，光大保德信旗下的量化核心基金、紅利基金、新增長基金和優勢配置基金分別排名第u位、13位、22位和32位，風格完全不同的股票基金，表現卻能夠一致，體現了投研流程的合理性和投研團隊的實力。
堅守自己的理念
從中國臺灣到加拿大，再從加拿大到中國臺灣，這是袁宏隆步入中國大陸之前的投資生涯路線圖。
1987年，從美國南卡羅萊納大學獲得國際商業碩士學位后，袁宏隆的投資事業從中國臺灣起步。在此期間，他曾出任臺灣獲多利詹金寶投資顧問公司(WardleyJamesCaps)總經理。該公司是一家以匯豐集團為背景的知名證券經紀跨國集團公司，主要為投資于中國臺灣地區股票市場的OFII提供投資咨詢服務。到了1995年，袁宏隆來到加拿大倫敦人壽保險公司(LLIM)，先后擔任權益證券投資副總裁、常務董事等職務。這家壽險公司的資產規模超過150億加元，在八年半的任職期間，袁宏隆為山H管理約30億加元的北美證券資產。而思鄉之情讓袁宏隆在20。3年再度回到中國臺灣，擔任荷銀證券投資信托公司(ABNAMRO)的首席投資總監，該信托公司旗下有20多只基金，資產管理規模達到35億美元。
二十載的海外投資生涯，拓寬了袁宏隆的投資視野，也讓他切身感受到不同地區投資風格的差異?！安煌胤降钠胀ㄍ顿Y者心態是不一樣的。比如在北美，大家者偏向于長期價值投資，而在中國臺灣，則經歷了從，早前熱衷短線投資漸漸過度至成熟價值投資的過程?！痹曷「嬖V記者，“到了中國大陸以后，我發現這里的投資者對短線收益的要求比其他地方耍高，基金投資風格也常常會受到持有人需求的影響?！?/p>
很顯然，袁宏隆的中國大陸投資之旅，首先要面對的，就是投資理念的一次碰撞是繼續他二十年來的嚴謹，還是融入本土的投資偏好?在連續三年持續完善光大保德信的量化投研體系之后，袁宏隆用自己的工作表明了態度，他選擇了堅守自己的理念。
袁宏隆力推的量化投研體系內涵豐富。如在研究員薦股上，袁宏隆讓每位研究員可以艮據自己的研究偏好，選出比較個性的模擬組合，由5只股票組成，這個模擬組合不僅要在投資組合會議上接受其他投研人員的質詢，而且還要進行系統追蹤。公司則根據每天的實時表現，隨時調閱出每個研究員和每個基金經理的投資組合的績效比較，使得各投研人員的投資能力一目了然。而在考核中，袁宏隆也偏愛用數字說話，盡量使得每個研究員和基金經理的績效業績都得以量化，并根據量化考核的結果進行獎懲。
在股票池的建立上，袁宏隆也常強調定量分析的重要性。“實施上，在市場擴容速度加快的背景下，進行定性的分析越來越難，而通過定量分析，則可以發現被市場忽略的投資標的。所以，我們的股票池是采取定性和定量分析結合的辦法確定，希望能從被動研究轉移到主動研究?！痹曷≌f。“以光大保德信量化核心基金為例，我們會根據模型篩選出具有投資價值的股票，而當數量模型篩選出不熟悉股票時，要借助研究員的定性研究作補充，來決定股票的入庫以及是否購買?！?/p>
恪守鐵的紀律
量化投資最核心的是紀律――這是身兼光大保德信量化核心基金基金經理的袁宏隆在不同場合多次強調的觀點?！澳軌蚩朔鸾浝韨€人主觀因素的影響，恪守紀律的量化投資才有可能為投資者帶來超額收益。另外，量化投資能夠借助計算饑強大的運算能力去篩選個股，捕捉到被市場所忽略的個股或者板塊，這是量化投資的魅力所在?！痹曷≌f。
袁宏隆指出，量化投資不會隨意對模型進行調整，因為一旦模型建立也就意味著量化投資的風格已經確立，調整量化模型實際上就是改變基金的投資風格，除非經過市場一段時間的驗證，新的歸因值確實比舊的顯示出更多優勢，這時候才需要進行一定的調整。但總體而言，成熟的量化模型在運作中不會出現太大變化，量化投資的紀律就在于不能因為一時的市場變化就調整量化模型。
事實上，在二十年的海外投資生涯中，袁宏隆管理過多個投資團隊，嚴守投資紀律是他對團隊成員最基本的要求。而在光大保德信，袁宏隆的投資紀律觀除了身兼基金經理而必須各守的量化投資紀律外，還包括身為投資總監對旗下其他基金經理“必須注重業績比較基準”的要求。而對于后者，袁宏隆只用一句話來形容：基金經理必須根據基金合同的要求來管理產品。這其實意昧著，在光大保德信的基金產品中，所謂的投資岡格指的是產品自身的風格，而非基金經理的個人風格。
“如果基金經理持倉品種總是超越基金合同限定的條件，短時間內可能會取得超額收益，但一旦品種選偏、風險釋放，無疑會使基金公司的運作產生被動，將無法面對基金持有人。而且，基金經理的行為只有和基金產品合同保持一致，才能讓基金持有人有明確的預期，這一點很重要?！痹曷烂C地說，“我們是基金持有人的投資伙伴，這是我們必須遵守的最起碼的投資紀律?！?/p>
這種投資紀律反映在光大保德信的股票池上，就形成了其特色的風格。袁宏隆告訴記者，在光大保德信投研的總股票池中，針對每個基金產品設立了對應的“岡格庫”，而這些基金產品的投資對象則多從自己對應的“風格庫”中挑選。當有新的股票進入股票池時，則會判斷其適合哪個基金產品，將其補充到對應的風格庫中。在這種操作模式下，光大保德信旗下的偏股型基金出現了非常明顯的風格差異，各基金掙倉吉構完全根據各基金的特點，少有重倉股持股重合的情況?！斑@就是我們追求的效果。”袁宏隆說。
操刀中小盤基金
今年起，袁宏隆在身兼多職后，還將擔任光大保德信中小盤基金的基金經理。這是光大保德信的第一只中小盤基金，袁宏隆的親自擔綱，足見公司對該基金的重視。而在近期各基金公司刮起的中小盤基金發行熱中，袁宏隆又將如伺展現自己的獨特之處呢?
袁宏隆的方法是使用動量策略模型來考量股票走勢的變化趨勢，并以定量、定性和動量策略作為選股的依據。定量上，光大保德信專門為中小盤基金研發了價值評估模型，并以此篩選出財務指標、盈利指標等表現較好的公司：與此同時，依托該公司強大的研究團隊實現定性研究；動量策略著重考量股票過去的漲跌幅，及其過去一段時間和現在成交量的比較，來確定其盈利增長方向。
值得一提的是，光大保德信基金公司還建立了資產配置小組，其團隊式的投資管理機構，是國際成熟投資理念及本土長期投資經驗的集中體現。在強調深入挖掘投研團隊集體智慧的同時，各層次的投資決策主體各司其職，明確權限設置及分工，對投資決策過程進行嚴格的風險管理。
篇2
曾在全球量化資產管理規模最大的巴克萊投資管理公司（BGI）管理量化基金、現任富國基金公司另類投資部總經理的李笑薇，以自己多年的海內外成功投資經歷，與《投資者報》記者分享了量化投資的神秘與魅力所在。
自李笑薇加盟富國以來，富國A股量化投資模型于2009年底投入實戰，并獲得了不俗的戰績。截至2011年6月30日，富國旗下兩只指數增強基金――天鼎中證紅利、富國滬深300分別獲得了4.32%與 3.79%的收益，在所有指數型基金中位居前兩名。而同期滬深300指數、中證紅利指數分別下跌2.69%、2.1%。這一團隊，正推出第三只指數增強基金――富國中證500指數增強。
量化不是“黑匣子”
《投資者報》：提及量化投資，國內投資者總認為很神秘。它與主動的定性投資差別到底有哪些？
李笑薇：量化模型的特點之一是抽象，但它稱不上是一個“黑匣子”，與傳統基金的投資區別也并非像投資者認為的那樣大。
傳統基金經理在做市場判斷時，腦子中會閃過好幾個模型，比如如何選定行業、個股，實質這都是一個個模型。嚴格說，他們腦子里的模型比量化模型中能看到的都要多，只是他們沒有把這些模型提煉出來而已。
投資者購買傳統主動股票基金，并不代表他們對基金經理的操作完全熟悉?；鸾浝碓谀膫€時間段，配置了哪些行業、個股，投資人無法確切知道，只是能看到每個季度的報告和最終的投資結果。
相比之下，量化投資進出市場的每一個步驟，都非常清晰明了。在我的眼里，這個過程不是“黑匣子”，而是團隊里每一個人按流程逐步去完成的。
《投資者報》：量化投資的詳細工作流程是怎樣的？
李笑薇：量化投資對團隊合作要求更高。一般來說，有一部分人專門進行數據的清洗、整理、輸送等，這需要計算機信息技術較強的人才；模型的設計和研究，往往需要很強的金融及數學背景；基金的日常管理往往需要金融及工程方面的專才。因此，通常量化投資團隊的成員學歷都較高，但不是說學位很重要，而是需要一定的技術積累。
具體流程中，提取數據的人看數據，有人專做研究，有的做優化或者交易下單。每個人都有自己的側重點，在整個團隊中起不同的作用。一個人可能干多件事情，但想要全部完成是不可能的。
《投資者報》：量化投資能否穩定地戰勝市場？
李笑薇：在不同的市場階段，市場的有效性會不同，需要用特定的方法，尋找不同階段的不同機會。
市場上的各種方法，捕捉的內容都不一樣。比如巴菲特，他的風格更趨近于一級市場中VC、PE的思維；西蒙斯則是完全拋開基本面，從純技術的角度，將全球貨幣的走勢、衍生品等林林總總的東西作為投資標的。
從A股市場來說，當前的發展階段需要有獨特的投資方式，富國基金量化增強的定位也有市場需求存在，滿足了一部分配置指數基金的需求。從運作經驗看，量化增強后的收益會好于一般指數的收益，上半年超額收益有8%。總體來看，這個收益穩定在5%~10%間，是很多基金難以做到的。
超額收益從何而來
《投資者報》：我們也注意到，多家基金公司都構建了獨立的量化投資團隊和模型，富國基金量化投資模型的獨特之處在哪里？
李笑薇：量化投資最重要的是人的思想，量化只是一個方式和工具，真正在掙錢的，是人的投資思想。
從富國量化模型的特點來看，首先是自下而上精選個股，不做倉位選擇。由于這是一只指數產品，投資人買時就要買到這樣的倉位，我們一直是用95%的倉位操作。
其次，嚴格風險控制，精細成本管理。再次，系統化的投資流程，科學化的投資管理。量化投資從開始到結束，是一個龐大復雜的工程，團隊里面專門有人負責清洗、研究數據，做一系列的回撤，實現交易單。
最后還要尊重模型出來的結果。在操作過程中，主動干預非常少，人的干預更多在整個模型的設計上。
《投資者報》：你們今年近8%的超額收益是如何實現的？不同市場環境下，模型是否會有大的調整？
李笑薇：對我們來說，發現哪些因子在最近的市場更有效，并保持一定的前瞻性，是量化團隊的主要工作。
比如，大家都很熟悉的估值因子，在2006年到2009年都有比較優異的表現。但是到了2010年，估值因子的作用突然發生了變化，估值并不能起到明顯推動作用，我們也提前做了適當的調整。
責任心決定能否做好
《投資者報》：除了模型外，量化投資成功還取決于什么？
李笑薇：一般而言，量化投資策略是否成功取決于三大因素。一個因素是質量，重點取決于數據和研究。第一步是要保證數據的質量沒有問題。對于任何一個數據源，我們基本是用一家數據商，但會用兩家來互相檢驗，檢驗后的結果才進入到自己的數據庫里。
研究質量的好壞，其實是工作責任和態度的問題。量化雖然有門檻，但對理工科碩士以上的人來說門檻并不高，能否做好靠的是責任心。
第二是經驗和判斷。我們會做大量研究、看歷史業績，但歷史不代表未來。當你做了大量細致的研究，發現可能有五個因子影響，表現最好的是A，后面有BCDE，其他因子哪些權重更大？做決定要基于經驗和判斷。但歸根到底，判斷與決策要有很強的實踐來做支撐。
三是運氣，好的質量和經驗不等于好的業績。盡管它們可以提高好業績的概率。投資結果在任何時候都有運氣的影響，這對所有管理人都是公平的。不過，今年這樣的業績基本上屬于正常運氣范圍內。
篇3
中國金融業飛速發展，尤其是2010年股指期貨的推出，量化投資和對沖基金逐步進入國內投資者的視野。目前，量化投資、對沖基金已經成為中國資本市場最熱門的話題之一，各投資機構紛紛開始著手打造各自量化投資精英團隊。同時，中國擁有數量龐大的私募基金，部分私募基金利用國內市場定價較弱的特性轉化成對沖基金也是必然的趨勢。
量化投資是將投資理念及策略通過具體指標、參數的設計，融入到具體的模型中，用模型對市場進行不帶任何情緒的跟蹤；簡單而言，就是用數量化的方法對股票估值，選取適合的股票進行投資。
量化投資的鼻祖是美國數學家西蒙斯（James Simons）教授，從1989年到2006年間，他管理的大獎章基金平均年收益率高達38.5%，凈回報率超越巴菲特。
對沖基金（hedge fund）是指運用金融衍生工具，以高風險投機為手段并以盈利為目的的金融基金，采用各種交易手段（賣空、杠桿操作、程序交易、互換交易、套利交易、衍生品種等）進行對沖、換位、套頭、套期來賺取巨額利潤。
猶抱琵琶半遮面
上海交通大學金融工程研究中心陳工孟教授表示，2010年股指期貨推出后，量化投資和對沖基金漸成熱門話題，并正在逐步萌芽和發展，但因為是新事物，社會各界還不是很了解。
目前國內約有12只公募量化基金，而深圳和上海也已有不少對沖基金；量化投資和對沖基金離中國投資者如此之近，但又是如此神秘。
長期以來，國內投資者一直存在著一些疑問，例如，量化投資和對沖基金是不是金融業發展的必然？量化投資和對沖基金對金融安全問題會產生什么影響？上海建設國際金融中心，量化投資和對沖基金應該扮演怎樣的角色？量化投資和對沖基金為何能取得超額收益？量化投資和對沖基金如何進行規范和監管？對沖基金如何募集、運作和壯大？如何開發策略、如何進行交易如何控制風險？
對于上述問題，國內缺乏進行深度探討和專業研究的有效途徑。近日，國內領先的量化投資和對沖基金專業研究機構，上海交通大學金融工程研究中心主辦了2011第一屆中國量化投資高峰論壇。眾多國際投資家、知名學者、優秀對沖基金經理、量化投資領軍人物、交易所研究代表等，與300多位來自于證券、基金、私募、信托、銀行、保險界的專業人士、信息技術服務商和民間資本代表，共同分享最新的量化投資和對沖基金的宏觀視點及微觀技術，以解決金融業發展迫切需要解決的問題。主辦機構表示：“我們相信此次高峰論壇的召開，將開創中國量化投資和對沖基金的新紀元。”
無限風光在險峰
上海交通大學安泰經濟管理學院院長周林教授在論壇致辭時表示：“通過引進各種各樣的產品、各種各樣的金融工具，特別是量化投資的方法，逐漸把過去的投資藝術轉化到投資科學，這是我們共同關心的問題。”
周林認為，在中國開展量化投資、設立對沖基金將來有可能的空間，當然，可能也會有問題和風險。即使像美國、英國這樣的成熟市場也會產生風波，比如金融危機，不能歸咎于量化投資、對沖基金，但一些投資手段、金融工具運用不好，也可能對市場帶來一些風險?！皩τ谝幌盗形磥砜赡墚a生的問題，我們一定要做非常好的分析?！?/p>
中國金融期貨交易所副總經理胡政博士談到，由于量化投資導致程序化交易和國外流行的算法交易等，這些新的交易方式是市場發展的基本趨勢。通過研究后他認為，有四方面問題值得關注。
第一是對市場公平性的沖擊。有人用“大刀長矛“，有人用“導彈、機關槍”，有專家理財，有一般的投機炒家，各種各樣的風格構成了市場，投資手段的不平衡，有可能會帶來市場交易的不公平。
第二，對市場本身運行的沖擊。量化投資的產品，有可能會對市場價格造成沖擊。當采用類似的風險止損點或者類似理念時，市場發生某個方向的變動，有可能加劇這種變化。
第三，對市場價格信息的沖擊。很多量化投資工具需要收集信息，需要有很多試探性的報價去測市場的深度。大量的試探性報價，不以成交為目的的報價信息，會對市場產生沖擊和影響。
第四，對交易系統的沖擊。量化投資快速發展的核心因素是計算機技術的發展，現有交易系統都基于計算機系統，各種各樣的工具會對交易系統造成沖擊。
第一財經傳媒有限公司副總經理楊宇東建議，希望媒體把目前機構、專家學者、管理層正在研究的成果報道出來，讓更多的人了解；他還呼吁更快地完善有關對沖基金方面的監管政策和法規，并給予量化投資更多的扶持和技術支持。
上海銀監局副局長張光平探討了人民幣國際化的話題。湘財證券副總裁兼首席風險官李康的觀點鮮明生動，而中國社科院研究員易憲容在演講時則激情四溢。
韶華休笑本無根
量化投資把資本市場的投資行為從以往定性化的“藝術”升華為數量化的“科學”，運用到高深的數量工具。國外從事量化投資的研究人員和基金經理大多是學金融、計算機和統計學出身，很多物理、數學專業等理工科背景的優秀人才也加入這一行列。野村證券亞太區執行總監周鴻松就是哈佛大學空間物理博士，曾獲2011亞洲銀行家峰會最佳算法交易系統團隊獎。
在美國留學獲計算機碩士的劉震現任易方達基金管理公司指數與量化投資部總經理，1995年進入華爾街工作，在與國內父母通電話時，他感到很難解釋清楚自己的職業性質，便說跟“投資倒把”差不多，這可把他父母給弄暈了。
國泰君安證券資產管理公司總經理章飆是統計學博士，早在2006年就開始用量化投資工具做ETF套利，最初很難被上司和同事理解，直到做出幾個成功案例后，才有了較大的發言權。他曾向公司申請投5000萬元做“攀鋼鋼礬”，還放出“狠話”：如果公司不讓做他就辭職，兩年后這筆投資為公司賺了3.5億元。
篇4
近年來，投資領域的眾多精英紛紛投身量化投資領域，利用計算機科技并采用一定的數學模型去實現自己的投資理念、投資策略。他們以自己的智慧加數學的方法組成投資策略，設計出自己的贏利模型，來克服交易中人性的弱點，實現穩定的贏利。
不少機構和個人都贏利頗豐，然而從今年8月開始，不少量化投資者都在遇到同一個問題，以前穩定贏利的模型現在開始不靈了，屢屢大幅回撤虧損。
“好奇怪，每一次回撤都打到止損點后，再重新起來，這模型到底怎么了？”渤海證券某分析師告訴記者。
國內如此，國外量化同行也遇到同樣的困惑，經常出現很大的回撤。尤其是最近，全球CTA策略都不太景氣，很多傳統CTA做得比較大的公司，今年都面臨倒閉窘境。
倒在反向策略？
2013年11月17日上午，清華大學深圳研究生院報告廳。第四屆（2013秋季）中國量化投資國際峰會上，100多位金融界菁英匯聚一堂，交流著量化投資出現的問題。
不少同行都遇到了和渤海證券分析師類似的問題，模型失靈，行情每次回撤都打在止損位后，再重新起來，一次次止損都在虧錢，是模型出了問題嗎？
“你的反向策略是如何制定的呢？”在上午的論壇上，臺下的提問給嘉賓制造了些許緊張，在量化這個圈子里，大家對模型都是諱莫如深，避而不談，更何況是反向策略的制定，這位被問嘉賓顧左后而言他，并沒有正面回答。
反向策略揭開了近幾個月大多數模型虧損的冰山一角。投資界有這樣一種說法，投資者都是在賺犯錯方錢。顯然當量化投資者在逐漸增多時，在市場中這部分人群都在用類似方法，也就有了相同的屬性，這時聰明者就針對這部分人群制定出了相應的反向策略，專剪這個人群的羊毛，多數模型失靈也就不足為奇了。
上述提問者沒有輕易放棄，又把問題轉向了本次論壇的主持人原美國騎士資本董事總經理、高頻交易總監明可煒。
“反投資策略的方式我聽得很少。現在的問題是很多的量化投資同時進入市場，使得市場的價格實現機制出現了偏差，反策略發現了很多的量化投資策略在做同一件事情的時候，把價格推到了不合理的位置?！比绻f主持人上面的回答相對中肯，下面則有意淡化反投資策略。
“犯錯誤的投資人可以使別的投資人的回報變得更多，但并不是說你要有收益必須是別人犯錯誤的結果。就像巴菲特說，他買一只股票絕對不是因為這只股票今年便宜點，而是他認為這只股票在未來30年、50年會給他帶來很高的利益。我認為量化投資者也不是在尋求別人犯錯務的時機，如果是基本面，或者說發現了一個趨勢，就可以獲得很好的收益，這個時候誰都沒有犯錯誤?！?/p>
策略失效另有隱情
反向策略并不是策略模型失效的唯一原因，會場嘉賓各抒己見。
中國量化投資學會理事長丁鵬認為，如果說它是有經濟學原理做支撐的策略，它未來一定再次有效。比如說套利策略，平常講的股指期貨套利，它是有經濟學原理做支撐的；還有大的趨勢性策略，只能抓大牛市或者大熊市的，可能很多年都不會再次有效，像這種策略一旦失效的話，一定要考慮背后的真正驅動因素是什么。
“對于一些趨勢策略來講，它可能是暫時的失效，因為進入趨勢振蕩階段，它必然會這樣。有一些事件操作的策略，它可能因為事件的消失而長期的失效?！辈澈ＷC券金融工程部總經理何翔認為，“對于短期失效的趨勢策略，從個人來講，你要有一個風險容忍度，要清楚能不能堅持這樣的策略?！?/p>
風控不容忽視
不少的量化交易者，都有過不錯的收益，但虧損更甚，原因之一是沒有把握住風險控制。會場幾位重量級嘉賓暢談了風控的方法。
“控制風險比收益更重要，控制風險才是投資者最核心的東西。”丁鵬認為，在銀行、保險、券商和期貨這幾大金融行業中，期貨的收益應該是最高的，但做期貨往往是最窮的；而銀行的收益是最低的，銀行理財只有5、6個點，但銀行是最富的。為什么？因為銀行的風控能力是最強的，所以真正的富人敢把錢存在銀行，但沒人把大錢拿給期貨公司玩。通常是把風險控制住之后，靠規模、放大杠桿去賺錢的。
通過多策略的方法降低風險。職業投資人、寬客俱樂部總經理馮正平認為，金融投資的策略體系一定要符合保險學原理。比如你交易200個標的，用了200個策略，其一個標的出了問題，僅影響0.5%。要從這個角度去研發策略、組合策略。
“我們公司對策略風控、模型回撤要求非常嚴格?！?何翔表示，“我們在策略開發的過程中，特別注重三個方面，一是時間緯度上，要在不同的時間架構上對策略進行分散，有長期、中期、短期，甚至日內的；二是在空間上進行分散；三是在策略的類別上分散，有趨勢型策略，也有振蕩型策略，多策略使風險最小化?！?/p>
算錯成本沒贏利
張華（化名）是近年從華爾街回來的博士，在國內做了一個阿爾法套利，平均每周交易4次，每次交易扣除交易成本之后可以盈利千分之三，一個月做16次，一年收益率應該是50%。做出來之后，在數據回溯和模擬上都很吻合，但是做進去之后，第一個月虧了，第二個月又虧了，第三個月還是虧損。
“這種情況是沒有算清楚沖擊成本和交易成本?！鄙虾ｈT銘投資管理中心總裁張向陽認為，在進行歷史數據回溯的時候，他應該是拿一口價格來算賬，而那口價格是在買價上成交的還是在賣價上成交的，他是不知道的，只能在賣價上買。這樣就形成了誤差，導致設計模型時就不能贏利。
好模型如利劍
量化贏利如同一輛好車在路上跑，風險控制如同剎車，計算成本如同估計路況，遇到路況不好時踩剎車放緩速度避免翻車，而好的策略模型則如同油門，路況好時要想跑的快，必須踩油門。
和多數寬客人對自己的模型三緘其口不同，渤海證券金融工程部總經理何翔分享了團隊幾年來幾種模型的贏利情況?！霸谡麄€量化策略開發過程中，我們以風控為前提，然后把握一些趨勢性的機會，順勢而為，分析市場的行為，做好策略開發的分散，最終嚴格執行策略，實現了好的收益?！?/p>
何翔團隊在2010年開發了MT-SVM量化預測模型，結合技術指標、宏觀指標，對每個月市場漲跌的情況進行預測。市場本身混沌、非線性的，團隊用人工智能的方法，預測每個月上證指數的漲跌，然后得到一個從2001年到現在漲跌方向的預測結果。這是一個比較粗糙的預測方向，給出一個市場方向的大參考。最近的預測是從10月份開始預測市場上漲。用上證指數做一個標的，用這個模型做一個簡單的模擬操作，測出來一個凈值，預測的效果很好。
另一個是量化定增套利策略。這是何翔和團隊在去年年初開發的，他們更關注定向增發前的部分，從董事會預案公告，股東大會公告通過，然后到證監會審核通過，再到定增公告，不同的階段去分析、統計哪些階段會有超額收益?；谶@樣的思路，他們建立了量化定增套利策略模型，年化可以到10%-20%，但是波動也比較大。
最后分享的策略是基于量化均線突破策略——短線交易策略。這個策略用在所有的股票上，分析、識別均線和K線形態，在歷史上滿足這個形態的樣本，就可以滿足這個的策略，一般持有1到3天。這個策略效果還不錯，只是可容納的資金有限，如果擴大樣本量，還會有比較好的結果的。
何翔對自己團隊的策略如數家珍，看得出來，對策略出來的效果巨滿意。
明天還能賺錢嗎？
隨著對量化的熟絡，越來越多的投資者進入了這個圈子，“悍馬定理”創始人馮正平給這些新的寬客提出了寶貴建議：
原來做主觀交易的投資者有盤感、經驗、好心態、能夠操作大資金，建議他們組建一個團隊，和一些做量化投資者結合起來，一起做市場，會少走彎路。
現貨投資者，因為原來現貨做的好，規模大，擁有豐富的社會資源，基于現貨市場的定價機制形成了自己的一些的方式，如果做量化，建議他們先實現程序化，做一些套?；蛘邔_，無需高深的數學知識也會收入頗豐。
如果是純量化投資者，因將來的發展趨勢會更加智能化，所以要向更復雜的非線性的數據工具傾斜。
對于量化投資的未來發展趨勢，丁鵬認為會形成兩大流派，一個是策略流派，一個是工具流派。策略流派是開發出各種各樣的好策略，發現更多的機會；工具流派是用傳統的策略，但工具做得更好、數據更全、效率更高、數據更快。
篇5
本篇報告的量化投資策略主要采用的方法與理論有以下幾種：1、線性回歸。2、多因素模型。3、CAPM（資本資產定價模型）。4、假設檢驗與置信區間估計。5、蒙特卡洛模擬。6、VaR（風險價值）方法。7、Matlab（矩陣實驗室，用于數據的處理與圖形的分析）技術。主體內容主要分為四大部分。第一部分為模型建立階段，主要是挑選影響股票收益率的相關因素。第二部分主要是挑選出收益率排名前20%的股票，并運用CAPM模型進行組合搭配，以求降低非系統性風險，最大化股票的收益。第三部分采用統計學的知識，對上述建立的模型的相關參數進行范圍上與概率上的估計。并采用VaR方法與蒙特卡洛模擬，進行風險的評估與控制，并運用多種評估績效的方式（夏普比率、特雷諾比率、簡森阿爾法等指標），對股票的風險與收益做出客觀的評判。第四部分為模型的評價階段，即由宏觀到微觀對該模型做出全面的解釋。與此同時，運用matlab技術對參數進行適當的動態更新，使其盡量符合市場的波動情況，并進行回溯測試，用市場的實際結果來解釋模型的合理之處。
2 策略步驟
第一部分：模型建立階段。
2.1 影響收益率的因子初選
我們采用以下收益率因子。
以上表格反映了影響收益率的主要四大類因子，較好地包括了影響收益率的主要因素。雖然從宏觀層面上我們挑選出了一些影響收益率的主要因子，然而，在現實過程中，影響某個具體公司收益率的因素很可能只是其中某幾個。因此，我們應當試圖找出影響每個股票的收益率的個別關鍵因素，這里我們采用matlab技術以及線性回歸的方法，以融捷股份（002192）與暴風科技（300431）為例進行說明。筆者根據深圳證券交易所統計的數據通過EXCEL表格進行合并整理后得到融捷股份的收益率數據，將該數據導入matlab中，以市盈率為橫軸、收益率為縱軸，建立圖形關系。
根據統計學的知識可知，我們用決定系數R2來反應自變量解釋因變量力度的強弱，而決定系數與相關系數之間存在平方關系，即2=R2。因此，在matlab中我們通過計算一組數據之間的相關系數，反求出其決定系數，從而說明該特定自變量能從多大程度上解釋因變量。代碼運行的結果如下：
從上述運行結果可知，市盈率與股票收益率之間的R2只有0.0934，遠小于1，因此市盈率這一項指標在融捷股份里并不能對收益率的變動起到決定性作用。
類似地，我們對表1-1中所有的因子進行相同的操作方法，在此由于篇幅原因不再贅述，僅展示操作步驟與過程。
2.2 剔除冗余因子
在進行上述步驟的過程中，值得一提的是，各個因子之間可能本身就具有一定的相關性。比如，ROE指標與ROA指標本身就滿足一個等式：ROE=ROA*EM， 其中EM為權益乘數，計算公式為EM=1/（1-負債率）。如果因素之間的相關性甚小，我們可以忽略不計，但是當相關性大到一定程度時，便會對之后的多因素模型分析過程產生誤導，因此在這里我們需要補充的一步是利用matlab軟件，建立不同指標之間的關系方程，判斷是否存在多重共線性。
2.3 多因素模型體系的建立
在進行完影響收益率的因子選擇以及剔除完冗余因子之后，便是最為重要的建立綜合評分體系，將所有的因子共同反映到一個方程中，用來解釋股票收益率與因子之間的具體變化。
多因素模型的建立過程分為如下幾個步驟：
（1）. 標準化原始數據
（2）. 建立相關性矩陣
（3）. 計算相關性矩陣的特征值和特征向量
（4）. 得出總方程表達式
通過對上述運行結果的分析我們可以看出，月最大超額收益的影響最大，而累計收益的影響最小。這樣，我們便量化出了影響該股票收益率的方程式。
第二部分：交易標的股票的選取
2.4 選取收益率前20%的股票
通過第一部分的論述，我們最終可以得到影響不同公司股票收益率的方程式，可以用matlab或者數據庫技術進行保存，當需要更新參數或者進行預測決策時，調用相關函數即可。
在第二部分中，我們將選取的標的股票資產池的相關數據輸入到方程式中，即可得到未來一段時間的預期收益率。假設我們從每個板塊中選取出了20支股票，我們保留預期收益率排在前20%的股票，優中選優，盡量最大化我們的收益。
2.5 利用CAPM模型進行資產組合
20世紀誕生的資本資產定價模型（CAPM）為廣大投資者選擇資產組合提供了良好的理論基礎與依據。威廉夏普（William F. Sharpe，1934-）與馬克維茨（Harry M. Markowitz）等人所建立的組合管理理論核心即為以下等式：
E（Rn）=R
f+（E（Rm）-Rf）
其中，E（Rn）為股票的預期收益率，Rf為無風險利率，為單個股票與市場之間的相關性，E（Rm）為某一基準的收益率。通過該理論，我們可以建立多個資產的不同搭配情況。
在第三部分，我們會進一步討論運用各項績效評估指標，來權衡風險與收益。
第三部分：風險控制
2.6 對各項參數進行區間估計和假設檢驗。
前兩部分重點關注了組合的收益情況，力求在市場處于無效或弱有效的情況下，取得超越市場的收益率。然而，對風險的把握仍為非常重要的方面，自從2007-2009年間發生的金融災難以后，人們對于風險控制的意識又提高到一個新的水平。下面具體介紹如何利用統計學知識，對風險以及收益的取值范圍做出評估與估計。
假設由第一部分模擬出的收益率方程滿足如下等式：
Yi = -4.451 +2.057 * X1i + 2.008 * X2i
我們可以看到，在這個等式中出現了三個參數，分別是截距項-4.451、X1i的系數2.057以及X2i的系數2.008。然而，這畢竟是模擬出來的結果，或多或少會存在著一定的誤差，那么對這種誤差水平的度量就顯得尤為重要。特別是對于X1i與X2i的參數的估計，其改變直接決定了Yi的變化的方向以及程度。在這里，我們運用統計學上的假設檢驗與置信區間估計的方式，判斷我們有多大的信心，或者說有多大的概率，該參數可以滿足我們的要求，從而對我們的決策活動形成指導意義。見下圖：
如上圖所示，該圖為用統計軟件所得出的上式的相關統計學分析，可以看出上式的R2（R-squared）為0.934，并且調整后的R2（Adj R-squared）為0.890，說明該式的所有系數，作為一個整體，對Yi具有較好的解釋力度。其中ESS（Explained Sum of Squared）為模型模擬出的曲線與平均值的差的平方和，而SSR（Squared Sum of Residual）為真實點與估計點的差的平方和。Matlab圖示如下：
上圖是通過最小二乘法擬合出來的一條回歸曲線，其中藍色的點與實線之間的距離的平方和即為SSR，而實線與所有實際點的均值之間的距離的平方和即為ESS。R2=ESS/（ESS+SSR）。
由圖6-1還可以看到，2.057所處的95%置信區間范圍為0.984-3.130。其中，P值與t統計量用來判斷在95%的把握下，是否可以拒絕一項參數，即判斷該參數在一定概率條件下的真假情況。我們通?？梢酝ㄟ^查對應的t分布表來找到對應的關鍵值，或者采用比較p值大小的方式進行判斷。比如說，要判斷圖6-1中Experience的參數2.008在95%的概率條件下的合理性，我們計算出其t統計量如圖上的2.664，而對應的置信區間范圍中包括了2.664這個值，因此我們可以得出如下結論：Experience的系數2.008在95%的置信水平下是無法拒絕的。這一結論同樣可以通過判斷p值的大小得出，p值為0.076，大于顯著性水平0.05（通過1-95%得到），因此有足夠的自信可以保證該系數的合理性。
通過上述方法，我們可以對之前模擬出的收益率方程的系數的合理性做出判斷與評估，使我們對其有一個更為深入的了解。
2.7 基于蒙特卡洛模擬的風險控制。
在風險管理領域，VaR方法一直在各大金融機構被視為進行風險度量的首選，因為其可以提供在一定的置信區間下所發生的最大損失的大小。然而，實踐證明，在市場出現劇烈波動的情況下（比如2007-2009的金融危機），資產之間的相關性會增強，以前可能相關性很弱的資產在市場不穩定時期出現了高度關聯的相關性。而普通的線性估算VaR的方法在金融危機期間，對于風險的度量不再準確與合理。因此，出現了后來的情景分析方法（scenario analysis ）以及這里要討論的蒙特卡洛模擬。
所謂蒙特卡洛模擬，是對一項資產的所有可能取值進行隨機數模擬，來計算產品的價格以及計算風險價值的大小。其應用領域十分廣泛，不僅可以用來模擬復雜金融產品的價格（例如，含權債券的定價、住房抵押貸款證券化產品的定價），在風險管理領域還可以用來度量風險的大小。在此，我們給出詳細的解釋，來說明怎樣進行基于蒙特卡洛模擬的風險的度量。
重復上述代碼四次，模擬出不同收益率的圖形，每次模擬都可以得到一條收益率的曲線，當我們從股票收益率的總體曲線中隨機抽出N個樣本的收益率曲線，對其進行算術平均，便可以得到最終模擬出的收益率曲線，通過正態分布或對數正態分布作圖，我們可以在豎直方向上做出一條輔助線，該輔助線對應的分位點即是VaR所處的位置，如此一來我們便可以得到VaR的結果。
第四部分：模型的改進與實時更新
2.8 模型評價
在這一部分，我們主要對上述建立的收益風險模型進行評價，包括引進一些至關重要的績效評估指標，例如夏普比率，特雷諾比率，簡森阿爾法，信息比率，索提諾指標等。
夏普比率來自于CAPM模型，其基本內涵是單位風險所對應的超額收益。在CAPM模型中，夏普比率即是資本市場線的斜率。因此，對于一個組合的風險收益的評估，我們可以通過計算其夏普比率，再與其他組合比較，選出夏普比率最大的那一個，即是我們滿意的組合（單位風險承擔了更多的超額收益）。
特雷諾比率與夏普比率類似，但其分母上所對應的是系統性風險，而不是總風險。這反應了一項組合其內在的超額收益，因為非系統性風險是可以通過組合規避掉的，而系統性風險則更多的由市場、行業以及經濟周期等不可控因素所決定。因此，特雷諾比率也被廣泛應用于組合績效的評估。
簡森阿爾法描述的是一項組合的市場收益與CAPM計算出的理論收益之間的差額。在CAPM圖形上描述出來便是資本市場線上的點與實際的點之間的距離。簡森阿爾法直接反應了一項組合的收益與其理論收益的偏差，因此投資者可以進行無風險的套利交易，低買高賣，賺取超額收益。值得一提的是，用簡森阿爾法來描述兩個組合的風險收益時，要求兩個組合的系統性風險處于同一水平，即CAPM模型中的相同。特雷諾比率將系統性風險單位化，因此可以直接進行比較，這是簡森阿爾法與特雷諾比率之間的區別。
信息比率也是實際工作中用到的比較多的領域，通常會和夏普比率搭配使用。信息比率的計算公式為：信息比率=超額收益/跟蹤誤差。
索提諾指標的計算公式為：索提諾指標=（組合收益-最小收益）/下半方差，其中下半方差只考慮風險的影響，因為價格上漲的風險可以不考慮，只考慮下跌的風險。
2.9 利用matlab動態更新參數
上述建立的多因素模型的參數一般會隨著市場條件的變化而發生變化，例如金融危機期間，金融產品之間的相關性增強，可能會使得參數的估計不再準確。因此，我們需要通過不斷的測算市場數據，來保證模型參數的合理性。在matlab中不斷更新改進參數的步驟是不能省略的。
2.10 回溯測試
在完成了模型的構建以后，我們通常會進行一段時間的回溯測試期，目的是為了對模型的合理性進行檢驗。即采用從市場上觀察得到的數據，與模型估計出的數據進行比較。這是回溯測試的主要思想。通常在一些交易平臺上我們可以進行回溯測試。Matlab平臺上也為我們提供了相關的回測計算的功能，目的是盡可能地還原市場的真實情況，以檢測策略的準確性。
2.11 模型評價
已上便是筆者構建的投資策略的基本框架與內容，按照上文指導的內容進行投資，可以在一定程度上獲取超額收益。量化的方法相比較傳統的基本面分析、技術分析，具有其自身的合理性。然而量化投資并不是時時刻刻百分百有效，但根據歷史經驗來看，量化投資的收益已經遠超其他投資方式。量化投資還具有更為高深的理論，例如結合了心理學、生物學與計算機科學的神經網絡、遺傳算法等，使用機器代替人腦進行投資決策，這樣可以減少人的主觀性，客觀的根據一些標準、指標嚴格執行投資策略。這里只是使用了量化投資領域中的冰山一角，即使用綜合模型評分方法來構建投資組合的預期收益。
然而，該模型仍有其自身的局限性。例如，模型本身采用的是線性回歸的基本思想，即最高次冪為1次冪。然而在現實過程中，很多金融產品的收益曲線并不是一條嚴格的直線，而更多的是具有二階導的曲線。舉例如下圖所示：
上圖是包含了期權時間價值在內的利潤圖，可以看到，在引進期權的時間價值以后，其圖形不再是直線，而是帶有弧度。因此，我們通常采用的方法是利用泰勒級數進行估計，引入二階導來進一步估計金融產品的價格。例如在債券中一階導采用久期進行計算，二階導采用凸性進行調整。
因此，針對本篇策略報告的模型，我們可以采用類似的方法，引入二階導來進行估計。這一點可以通過matlab不斷擬合收益率的曲線來進一步精確估計收益率未來的變化趨勢。然而，與蒙特卡洛模擬類似，這需要相當大的計算量。我們通常會采用樣本大小與時間的平方根的乘積來衡量最有效率的估計方式。
篇6
雖然現在量化基金、對沖基金等以量化方法運作的產品慢慢得到機構的重視，但受對沖工具、市場成熟度、投資者成熟度等因素影響，量化投資頂多處在長跑前的預熱階段。
銀華基金量化投資部總監周毅曾在華爾街從事量化投資11年，現在他一人管理著兩只量化型產品和兩只QDII基金，市場上對此有過質疑。
在接受《投資者報》記者采訪時，周解釋說，與定性投資比，定量投資的優勢之一就是人力成本低，每多一個產品，對基金經理來說所增加的時間很少。
周毅認為，與成熟市場相比，A股可做的量化策略或對沖策略空間較大，因為參與的資金較少，機會也大。
優勢是人力成本低
《投資者報》：市場上質疑，你一個人同時管理四只產品，能管得過來嗎？
周毅：主動型投資較大程度上依賴投研平臺，量化投資則主要依靠數量化模型，相比較，量化投資成本較低。對于已成立運作的指數基金來說，在系統建立起來后，相同管理類型的產品都可以共用一套系統，基金經理的工作實際上就是對細節進行微調。比如目前銀華管理的分級產品和純被動的指數基金，大概在上午9點半以前，系統會提交所有的產品的當日交易清單，基金經理的工作只是根據不同基金的一些投資限制在細節上進行調整。
《投資者報》：清單也是靠模型嗎？
周毅：不完全是這樣，其實是一個最優化的公式。比如跟蹤滬深300指數基金，本來就按照每一只股票的權重買就可以，但是一些涉及關聯交易等限制性規定的股票不能買，就有一個優化的問題。一部分公司的做法是用線性回歸的方式，把受限股票都做線性回歸，找到跟其相似度最高的股票，按它的權重買進來。
國外通常的做法是對投資組合進行整體優化，剔除交易受限制的股票，算出剩下股票的最優解，再和現在的組合比，就出來一個交易清單，這是一種優化。
《投資者報》：我了解到國外一些基金公司，雖然規模百億乃至千億美元，但基金經理、研究員卻非常少，這與國內差別較大。
周毅：主要是大家對投資的理解不一樣。按照我的感覺，在國外以傳統投研方式（研究員加基金經理）做投資的，相對占少數，而國內公募基金發展也就十來年，傳統投資方式依然占絕對大頭。
《投資者報》：為什么占少數？
周毅：美國公募基金經歷了α（超額收益）與β（市場平均收益）分離的過程，現在公募基金大多都去做β了，而對沖基金去做α了。邏輯很好理解，公募基金是怎么盈利的？規模乘以管理費。所以，基金公司的發展在于規模要大，而且越大越好?，F在我把這個事情推到極致，全市場所有的錢都由一家基金公司管，收益是多少？就是市場平均收益，不可能有超額收益，這就是β。
就是說，公募基金想提高盈利，模式是把規模做大、把成本壓低，最后得以生存。
所以，美國公募基金經理相對而言比較舒服，但他們的收入在金融業偏下，因為做β個人的因素不是特別大。
國內指數基金空白點多
《投資者報》：你講到BGI短短十年管理資產就達到2萬億元，有什么可借鑒的地方？
周毅：我一直在思考這個問題。通常認為BGI的成功是靠大量發行交易型指數基金（ETF）做到的，但我覺得不全是。我覺得，其成功的另外一個重要原因是產品設計思路。
美國老牌基金公司先鋒集團以指數基金聞名，他幾乎把市場各種規模的指數產品都覆蓋了，BGI作為一個后來者，指數的先發優勢完全沒有了，所以它需要找到一個突破口。于是，它打破了傳統基于市場平均的指數設計理念，而集中突出特性很明顯的產品。
比如尋找15個市值最大的房地產建筑商，然后制定一個指數。對于想投資房地產建筑的機構和個人，沒有必要花時間和精力研究個股，而直接買對應的ETF，以至于大家提到建筑的時候提BGI建筑基金就可以了；再比如，BGI開發了很多國家系列指數，都是一個道理。目前國內還沒有類似的指數，這方面基金也還是空白。
《投資者報》：對于一個長期從事量化投資的人，你怎么理解投資？
周毅：就投資而言，我個人的理解要稍微寬泛一些，只要能賺到錢，就可以稱為投資。至少我在華爾街注意到，比如華爾街交易員的地位都很高，而國內交易員的地位比較低，在華爾街，考核的指標不是是否找到了好股票，而是看結果是否賺到錢。
為什么呢？因為股票交易價格和內在價值之間有很大差別，內在價值是不是最終能反映交易價格，這很難說。
交易員根據盤面上錢的供需關系、短期的交易價格賺錢，這也是投資賺錢的方式。而目前，這類東西在國內屬于旁門左道或者另類。
對沖基金大有可為
《投資者報》：你提到，現在主要的創新方向是在A股如何應用對沖策略，你現在的對沖策略是什么？
周毅：現在A股做多的標的很多，全市場兩千多個股票都可以買，而做空的工具只有滬深300股指期貨。很顯然，從理論上可以這樣操作，通過放空滬深300股指期貨對沖組合基準風險，那么只要組合收益率高于滬深300基準收益，超越部分就屬于相對收益能力的絕對部分。
從國內基金公司的過往業績來看，投研人員能夠選出高于基準收益率的組合，這種投研能力傳導的結果就是基金公司在大概率上是可以做出相對收益的。
我覺得目前A股可以做出的策略比較多，因為用這種方法做投資的資金比較少，所以機會比較大。
《投資者報》：你覺得做對沖基金最大的風險是什么？
篇7
摘 要 自2010年4月股指期貨推出后，數量化投資逐漸成為我國資本市場的一個熱點。對此，本文以投資者熟知的MACD指標為基礎，運用遺傳算法和模擬退火算法，建立了一個數量化投資模型。該模型的仿真投資收益明顯超出大盤，而風險明顯低于大盤。本文基于MACD指標建立數量化投資模型的方法簡單、有效，可操作性強，可方便地推廣至其他技術指標，在數量化投資領域中可能具有廣泛的發展前景。
關鍵詞 數量化投資 MACD 遺傳算法 模擬退火算法
一、研究背景
與傳統投資基于各方面信息和個人判斷進行操作不同，數量化投資將適當的金融理論、投資經驗等反映在數量模型中，然后利用程序軟件代替大腦對海量信息進行科學處理，總結歸納市場規律，最終建立可以重復使用的、不依靠個人主觀判斷的投資策略。
由于數量化投資的操作策略往往經過了嚴格的驗證，具有較強的系統性和規范性，主觀隨意性較少，風險可測可控，因此隨著計算機數據處理能力的迅速提高，數量化投資獲得了快速發展，數量化基金的規模亦迅速擴大。據統計，自2003年以來，數量化基金規模的年均增長速度高達15%，而傳統型基金規模的增長速度則低于5%。
很顯然，科學的數量模型是數量化投資成敗的關鍵。當前，主流的數量模型均考慮了多方面的因素，既包括各種基本面因素，又包括各種技術因素，涉及較為高深的經濟學、金融學、技術分析等知識，模型都比較復雜，理解難度較高，甚至令人望而生畏。對此，本文以人們熟知的技術指標為基礎，通過引入遺傳算法和模擬退火算法對參數進行優化，建立了一種較為簡單、有效的數量模型構建方法，希望能為推動我國剛剛起步的數量化投資發展有所幫助。
二、模型框架
由于MACD指標以經平滑后的股票價格為基礎，而股票價格包含了絕大部分的基本信息和技術信息，因此本文以MACD指標為基礎研究建立相應的數量化投資模型。
（一）MACD公式
MACD是投資者最熟悉的技術指標之一，主要包括EMA、DIF和DEA三個指標，涉及一個已知變量（收盤價P）和三個未知參數（ 和 ），公式較為簡單。
（二）決策準則
雖然MACD指標的運用方式有很多種，既存在對指標值的應用（如比較DIF和DEA的大?。?，又存在對形態的應用（如底背離、頂背離等）。對此，本文制定的決策準則相當簡單，即：
時，做多
時，做空
三、模型參數優化
（一）參數的科學取值是決定MACD指標投資決策價值的一個關鍵因素
在一般的技術分析參考書和交易軟件中， 和 通常取12、26和9。然而，該取值并不是最優的。
例如，以2005年1月5日至2010年12月31的滬深300指數為例，根據（公式1）和（公式2），做多業務在 和 取值12、26和9時，可獲得的投資收益為230.55%（收益①）；而在 和 取40、195、130時，可獲得的投資收益為651.98%（收益②）。
因此，參數取值是否合理決定了使用MACD指標進行投資決策時投資收益的高低，決定了MACD指標的投資決策價值。
（二）人工智能算法在技術指標參數優化領域中的突出優勢
運用MACD指標建立數量化投資模型的關鍵在于對公式中的三個參數進行優化。然而，雖然參數取值與投資收益間存在確定的函數關系，但該關系并不能用一個表達式予以直接闡述，因此傳統的解析方法在此并不適用。而其他傳統方法如隨機法和窮舉法的優化效率不高。在此情況下，可運用人工智能算法有效解決此類優化難題。
遺傳算法（Genetic Algorithms）和模擬退火算法（Simulated Annealing Algorithms）是人工智能的重要分支，兩者均從一定的初始值開始，按照明確的規則搜索最優解，并不要求目標函數存在明確的表達式，且具有高效、魯棒性強等特點。由于技術指標參數與投資收益間的關系相當復雜，不存在明確的函數關系式，因此遺傳算法和模擬退火算法在技術指標參數優化領域中具有很高的應用價值。
此外，遺傳算法和模擬退火算法的基本原理和運算過程雖然較為復雜，但其運用卻相當簡單，MATLAB等數據處理軟件均提供了現成的工具箱供用戶方便地使用，且即使不掌握參數優化的原理和運算過程，也不會對數量模型的研究產生重大影響，因此運用遺傳算法和模擬退火算法對技術指標參數進行優化的可操作性強。
（三）遺傳算法和模擬退火算法應用舉例
1.MATLAB指令
假設投資收益R和參數 、 間的關系為R=gain( 、 )，則MATLAB的遺傳算法指令和模擬退火算法指令分別為：
[x,fval] = ga(@gain,nvars, [],[],[],[],lb,ub,[],options)；
[x,fval] = simulannealbnd(@gain,x0,lb,ub,options)。
其中：
x和fval是程序返回值，分別為參數 、 的最優化取值及其所對應的投資收益；
gain是目標函數，可根據（公式1）、（公式2）和（公式3）編寫；
nvars是待優化的參數個數；
x0是參數 、 的初始值；
lb是參數的下界；
ub是參數的上界；
options是MATLAB指令的設置選項。
篇8
基于總絕對偏差法和市盈率法，采用2009—2011年浙江省156家創投機構(包括基金公司)所投的605個知識產權風險投資項目的數據資料，對投資風險狀況及其行業差異進行實證量化分析。研究結果顯示，知識產權風險投資呈現出明顯的投資收益與風險的對稱性及行業差異，傳播與文化娛樂等是高風險、高收益投資行業，醫藥保健、通訊設備業等是低風險、低收益的投資行業，而新材料工業則是一個非典型的高風險、低收益行業。
關鍵詞:
知識產權風險投資;風險水平;行業差異;總絕對偏差法
作為一種集資本、技術(知識產權)、管理創新與企業家精神于一體的非傳統融資方式，知識產權風險投資目前已成為支持企業技術創新與高新技術成果產業化的一種新型投資模式，對推動我國高新技術產業發展正發揮越來越重要的作用。知識產權風險投資所投行業風險和收益的大小是風險投資家對知識產權項目進行投資決策時要考慮的首要因素［1］。知識產權風險投資所投行業的風險與收益狀況究竟如何?是否具有明顯的行業差異?哪些行業是屬于高風險、高收益的行業?這些都是風險投資家最為關注的問題。目前，有關知識產權風險投資的研究涉及到多個方面，如風險投資與知識產權形成的相互作用與影響［2－4］，風險投資與知識產權的商業化［5－6］，知識產權風險投資契約和風險管理［7－8］，知識產權風險投資環境等［9－10］;但對于知識產權風險投資風險水平量化的實證研究還比較缺乏。在投資決策理論的研究中，學者們提出了多種用于評價投資風險的定量分析方法，如用AHP法和模糊數學分析法來評價投資風險［11］，或用VaR、CvaR法來度量和管理損失，但這些方法只能用于評價或度量風險或損失的大小，不能很好地基于所投項目的投資收益來對風險進行定量的分析和比較［12－13］。因而，很多學者使用方差、標準差、半方差等偏離期望值的各種變形形式來度量風險，但用方差方法不能準確地度量真實風險的大小［14］;使用半方差法進行風險度量時，需要首先設定目標收益率，這種設定具有一定的主觀性［15］;絕對偏差法，由于用投資收益率的一階絕對中心矩來代替二階中心矩，發散的可能性比較低。因而從理論上說，風險的絕對偏差度量要優于方差度量［16］。對于絕對偏差方法的應用研究，國內學者西愛琴、武敏婷等［17－18］都作了嘗試，并通過風險與收益的權衡，很好地解決了農業生產投資決策等問題。鑒于此，筆者認為基于知識產權風險投資項目的投資收益率來度量投資風險，選擇“絕對偏差方法”是比較合適的。本文嘗試基于浙江省156家創投機構在2009—2011年投資的605個知識產權項目的一手數據資料，采用絕對偏差法和市盈率法對所調查投資項目(企業)的行業分布、各年投資收益率及風險水平狀況進行詳細的分析，以全面了解和比較創投機構所投行業的整體風險水平和收益狀況，為創投機構的投資決策提供依據。
1知識產權風險投資風險水平的量化方法
1.1總絕對偏差法樣本值與均值之差即絕對偏差，總絕對偏差就是各樣本值與均值之差的絕對值之和，它可以較充分地反映樣本的離散程度，因此可用作衡量風險水平的有效指標［19］。
1.2數據處理的具體方法和步驟數據處理的具體方法和步驟是:首先，計算知識產權風險投資項目每年的投資收益率Ctj;接著，計算知識產權風險投資項目的期望收益率珔Cj(項目各年投資收益率的平均值);然后，計算知識產權風險投資項目的收益偏差系數Ctj－珔Cj;再進行知識產權風險投資項目的總絕對偏差Vtj=∑nj=1|Ctj－珔Cj|的計算;最后，計算知識產權風險投資項目的平均絕對偏差MAD=Vtj/n，其中Vtj系知識產權風險投資項目的總絕對偏差，n為知識產權風險投資項目的總數。
1.2.1年投資收益率計算方法。投資收益率是指稅后的投資收益與原始投資額的比值。由于這些在2009—2010年間投資的知識產權風險投資項目在2013年調查期間基本都未退出，因此，本文采用市盈率法來計算被投項目的估值，在此基礎上計算知識產權風險投資項目年度投資收益，最終計算出年度投資收益率。市盈率法是指用行業平均市盈率對企業價值進行估計，按此估價法，企業的價值得自于可比較資產或企業的定價;假定同一個行業中的其他企業可用作被估價企業的“可比較企業”，且平均市盈率所反映的企業績效是合理而正確的;市盈率法通常被用于對未上市企業的估價。
1.2.2知識產權風險投資項目每年投資收益率具體計算過程(1)年度投資收益率=年度投資收益/原始投資額;(2)年度投資收益的計算如果是投資第一年:年度投資收益=第1年項目風險投資的估值－原始投資額;從第2年開始:風投年度投資收益=當年項目風險投資的估值－上年項目風險投資的估值;(3)項目風險投資的估值=被投項目的總估值×創投機構年末持股百分比;(4)被投項目的總估值=被投項目(企業)年凈利潤×w×三年內最低市盈率，w為市盈率修正系數。由于上市公司有流動溢價，未上市被投項目(企業)的估值也要在已上市同類公司平均市盈率的基礎上打個折扣。由于知識產權風險投資的項目還沒有上市，因此其估值(市盈率)應低于上述熊市的估值(市盈率)，即風投價格、股市的熊市價格、牛市價格的順序應該是牛市價＞熊市價＞風投價。(5)市盈率=每股股價/每股盈利。市盈率是投資者投資估值的重要參考指標，通常指在一個考察期(一般為12個月的時間)內，股票價格與每股收益的比值;行業市盈率是一個行業上市公司總市值占該行業上市公司凈利潤總和的比率。(6)確定市盈率修正系數。經調查從事風投的投資專家，普遍認可把最近3年(2010—2012年)的最低市盈率作為熊市的市盈率，把同行業的熊市市盈率的50%作為創投項目的合理估值的市盈率。因此，在這里w為市盈率修正系數，表示打折的比率，取0.5為宜。(7)被投項目(企業)年凈利潤:指經審計的被投項目(企業)年凈利潤，由審計報表提供。通過上述方法可計算得出創投機構所投項目每年的投資收益率，并將每個行業內項目的投資收益率求平均，可得到19個行業2010—2012年各年的投資收益率。
2數據來源
本文風險量化數據來源于筆者2013年1—9月對浙江省創投機構比較聚集的杭州、寧波、湖州、紹興、嘉興、衢州等6個市的創投機構的調查。在浙江省創業風險投資行業協會的支持和幫助下，通過實地訪談、問卷調查、電話采訪、郵件以及省行業協會年會上的現場統計調查等多渠道數據的采集，獲得了有關知識產權風險投資的已投項目(企業)名稱、所屬行業、具體的投資時間、投資額、年凈利潤、被投項目年末總股數、年末創投機構持股數、每股收益等一手數據資料。筆者一共調查了201家創投機構(包括管理公司、基金公司)，由于各種原因，實際獲得了156家創投機構在2009—2011年投資的605個項目(企業)的有效數據和信息，有效率77.6%。2009—2011年浙江省創投機構投資的知識產權項目(企業)分布在26個行業中，除其他行業外，傳統制造業、IT服務業、新能源高節能技術、新材料工業和傳播與文化娛樂的投資項目數排前5位，而建筑業、批發和零售、交通運輸倉儲和郵政、房地產業、半導體、核技術、社會服務等行業排倒數1～7位。為了便于統計和分析，筆者將建筑業、批發和零售、交通運輸倉儲和郵政、房地產業、半導體、核技術、社會服務等投資比例很小的行業統一納入其他行業，將所調查的浙江省創投機構投資的605個知識產權項目分布在19個行業之中(見表1)。
3結果及分析
通過將實地調查獲得的數據按照上述方法和步驟進行計算，得到浙江省156家創投機構投資的605個知識產權項目所處行業2010—2012年的風險水平量化數據(用收益的平均絕對偏差衡量行業風險)，相關結果如表1所示。
3.1知識產權風險投資的總體風險水平從表1給出的2010—2012年收益的平均絕對偏差情況來看，總體風險最大的是傳播與文化娛樂業，接著是金融服務業，但同時3年的平均收益它們也排在前二位。其次，風險較大的是新材料工業以及消費產品和服務業，消費產品和服務業的收益排在第三位，因此，傳播與文化娛樂、金融服務業、消費產品和服務業是比較典型的高風險、高收益行業，但新材料工業的3年平均收益在19個行業中排在倒數第一位(主要是2011—2012年投資收益率均不理想)，屬比較典型的高風險低收益行業。風險最低的是醫藥保健行業，比較低的是軟件產業、通訊設備、環保工程，風險居中的行業中風險從大到小排序依次為:農林牧副漁、采掘業、科技服務、計算機硬件、新能源高節能技術、IT服務業、光電與光電一體化、其他行業、傳統制造業、網絡產業、生物科技等。由圖1可見，2010年知識產權風險投資總風險水平最低，低于3年平均水平;而2011和2012年的總風險水平均高于3年平均水平，且2011年的總風險水平略高于2012年。相應地2010年的各行業平均投資收益率水平也是最低，低于3年平均投資收益率水平;2011年各行業平均投資收益率與2012年持平，均高于3年平均投資收益率水平，符合收益和風險的基本關系，即“高風險、高收益，低風險、低收益”。
3.2知識產權風險投資的行業風險水平(1)2010年行業風險水平。表1的數據顯示，2010年浙江省知識產權風險投資所投行業中風險最大的是金融服務業，其次是新材料工業和采掘業;風險最小的是環保工程，比較小的是醫藥保健、通訊設備、網絡產業、軟件產業以及傳統制造業等。在投資收益率方面，金融服務行業投資收益率達21%，領先于其他行業;新材料工業和采掘業收益率為12%，并列第二，這三個行業在該年中是較典型的高風險帶來高收益的行業?？偟膩碚f，該年中各行業的風險與收益情況符合收益和風險的基本關系，即所謂“高風險、高收益，低風險、低收益”。(2)2011年行業風險水平。2011年由于國家政策的支持，農林牧副漁、傳播與文化娛樂、消費產品與服務成為行業新寵。如2011年政府進一步加強了對“三農”的支持力度，并在“十二五”規劃中補充了農業產業結構調整和升級的內容，倡導大力發展現代農業。這些政策導向的作用可以在2011年的投資收益率中體現，該年行業投資收益率排在前四位的是傳播與文化娛樂、金融服務業、消費產品與服務、農林牧副漁。同時，該年所投行業中，風險最大的是傳播與文化娛樂業，接著是金融服務業和新材料工業，其次是消費產品與服務、農林牧副漁。相對來講，醫藥保健、通訊設備、軟件產業以及環保工程行業風險較小?？偟目磥恚撃陚鞑ヅc文化娛樂、金融服務以及消費產品和服務業、農林牧副漁具有高風險和高收益的特征，除了新材料工業外的其余行業風險水平與收益水平基本相一致，都處于中間狀態;而新材料工業屬于高風險、虧損行業，說明高風險不一定帶來高收益，有時帶來的可能是損失。(3)2012年各行業的風險狀況。2012年知識產權風險投資所投行業中風險最大的是金融服務業和傳播與文化娛樂業，其次是新材料工業以及消費產品和服務業。風險相對較小的有生物科技、醫藥保健、環保工程等行業。該年中投資收益率最高的是傳播與文化娛樂業為33%，接下來是金融服務業為32%，消費產品和服務業16%，科技服務14%。調查數據顯示，除了新材料工業外，風險高的行業，其預期收益率也高，風險低的行業，其預期收益率也低;對于風險喜好者而言，可能會選擇風險高、預期收益率也高的行業去投資;而風險低的項目，往往被風險厭惡者所喜愛，其得到的報酬相應也比較低。特別要注意的是對于風險高、收益低的行業可能是所有投資者都要警惕和規避的行業，投資者應該根據風險和收益的情況及時調整投資方向，以更好地規避風險。
4結論
篇9
短期或震蕩 明年有好戲
11月17日，擬由卿管理的華泰柏瑞量化優選基金首發。談及未來的市場表現，卿表現出了她獨有的冷靜。
今年剩下的一個多月時間市場震蕩調整概率偏大。”卿分析指出，“明年的行情我個人比較看好股市，因為從大類資產配置角度看，國內房地產市場價格見頂基本達成共識，投資的需求被遏制；另外信托兌付風險暴露，黃金等大宗商品震蕩下行趨勢確立；而在國內宏觀經濟增速走弱的情況下，明年真實利率走勢很可能下行，則銀行理財產品的預期收益率也會隨之下降?！?/p>
A股經歷了一輪2007年后去泡沫化的漫長調整，現在進入了估值洼地，特別是主板市場，也是布局滬深300指數藍籌股的良好時機。
十年磨一劍 量化大可為
對于2014年量化基金今年靚麗的業績表現，卿分析指出：“這可能有兩方面原因：一是量化基金在國內十年磨一劍，量變迎來了質變；加之量化投資是國外一種比較主流的投資方式，占比很高，而國內剛起步，加速發展是大勢所趨。二從微觀角度看，今年的A股市場是非常適合選股的市場，股市熱點紛呈，個股表現分化很大。一般而言，當主題頻繁切換時，量化基金由于具備較優的數據處理能力以及善于利用模型對個股進行大浪淘金式的選擇，可以較好地把握行情。”
對于未來量化基金的發展，她表示，如果未來中證500股指期貨、個股期權等金融衍生品相繼推出，資本市場的投資工具可以進一步豐富。對量化投資可以起到一定的推動作用。
巾幗再亮劍 表現尤可期
目前，華泰柏瑞量化優選基金正在建行等渠道熱銷中，這是她繼華泰柏瑞量化指數增強基金后的再度亮劍。
篇10
銀華大數據擬任基金經理張凱對此表示，人工智能做投資是把已有的人類的投資思維，用計算機程序的方式實現并執行，這樣可以擁有更快的計算效率，更少的犯錯幾率，同時把具有主觀能動性的人解放出來去探索更多的投資機會。
大數據應用于選股和擇時策略
張凱表示，人工智能的研究已經半個世紀了，隨著計算能力的提升和應用場景的豐富，未來有望形成技術供給和應用需求上的共振，對該板塊的未來表現非常期待。
大數據既可以用于研發資產配置策略，也可以用于選股策略：不同的數據源，對應不同的策略。張凱表示，從“大數據”到“投資”，是通過基于數據的投資策略來實現的。投資策略的核心邏輯來自長期投資實踐中積累的經驗，銀華用證券大數據對邏輯的有效性進行驗證，并找到能反映投資邏輯的具體指標，進而構建出投資策略。
張凱表示，銀華大數據基金的優勢體現在三方面，信息處理、投資策略以及人為主觀性。該基金構建了兩種資產配置策略和四種股票選擇策略。擇時策略第一類是基于宏觀及行業景氣度數據，包括貨幣供應量、流動性、PHI、經濟同步指標、先導行業景氣度、通脹等；第二類是基于市場行為及情緒數據，包括基金倉位、期指持倉及升水率、股票賬戶活躍度、分析師情緒等。
“基于宏觀及行業景氣度的數據對應的是中長周期的擇時策略，基于市場行為及情緒的數據對應的是短周期的擇時策略，二者影響權重各為50%，共同決定基金組合的倉位和大類資產配置，在擇時上實現了長周期與短周期的均衡，提升了策略在不同市場波動下的穩定性?！睆垊P說。
基金的四種選股策略
張凱表示，該基金的選股策略分為四種：股票關注熱度策略、分析師薦股策略、財務多因子策略和公告事件驅動策略。
“四種策略對應四類數據來源和四種投資邏輯。”張凱稱，“股票關注熱度策略選擇互聯網關注度高的強勢股票：賣方分析師推薦策略選擇被最多優秀分析師推薦的股票；財務多因子策略選擇基本面質地優良且低估最多的股票；公告事件驅動策略選擇出現驅動股價走強的突發事件的股票?！?/p>
